[发明专利]一种机箱划痕视觉检测方法

说明书

本发明公开的一种高精度机箱划痕视觉检测方法，属于瑕疵检测技术领域。所述方法，包括：S101、工业相机对机箱划痕进行拍照，获取待检测图像；S102、通过混沌灰狼算法优化相机内参值；S103、将优化后的相机内参值代入OpenCV函数，对待检测图片进行畸变矫正，得到矫正后的图像；S104、判断矫正后图像的划痕直径和长度符合生产标准要求，如是，则该机箱为合格机箱；否则，为不合格机箱；本发明通过机器视觉技术以及在计算机上利用混沌灰狼算法等方法对图片进行处理，实现使用机器进行高精度机箱划痕检测，通过机器检验提高了检测机箱划痕的检验速度，节省了检验时间，提高了检验效率。

技术领域

本发明具体涉及一种机箱划痕视觉检测方法，属于机箱划痕检测技术领域。

背景技术

在计算机机箱检测方面，需要根据机箱上的划痕数量、大小，判断机箱是否合格，由于传统的人工检验机箱划痕的方法速度较慢、易错检漏检的不足，且传统人工检测机箱划痕方法的检测精度及效率，极其依赖于员工的工作效果，容易错检漏检，员工工作状态、员工与机箱的距离和工作环境的光线都会对检测效果产生影响，导致检测效果不够理想，因此，本发明提出了针对计算机制造业中机箱划痕检测问题的改进方法。

发明内容

本发明的目的在于针对人工检测机箱划痕的方法速度较慢、易错检漏检的问题，提出了一种机箱划痕视觉检测方法。

为了实现上述目的，本发明的技术解决方案如下。

所述机箱划痕视觉检测方法，包括如下步骤：

步骤1、用工业相机对机箱划痕进行拍照，获取待检测图像；

步骤2、通过混沌灰狼算法优化相机内参值，得到优化后的相机内参值，具体为：

步骤2.1、通过张氏算法计算相机内参的初始值，在相机内参初始值的基础上，初始化狼群的搜索种群数量N、协同系数向量A、协同系数向量C及迭代次数Maxiter；

步骤2.2、初始化狼群搜索个体的位置X_i(i＝1,2,…,NP)，所述狼群个体的位置为相机内参值；

步骤2.3、根据每个个体的适应度值迭代计算出α狼、β狼、δ狼的位置，并更新搜索位置；具体包括：

步骤2.3.1、基于适应度函数计算出每个个体的适应度值，该适应度值为迭代计算出的几组相机内参的最优解，并根据适应度值的大小，把最优内参赋给α狼，把第二优内参赋给β狼，把第三优的内参赋给δ狼；

步骤2.3.2、计算相机内参值的系数向量以及相机内参值的系数向量；

步骤2.3.3、计算α狼、β狼、δ狼到目标猎物的距离计算狼群搜索个体的位置；

步骤2.3.4、更新狼群搜索位置；

步骤2.4、判断是否达到最大迭代次数，如果达到则执行步骤2.5；否则，执行步骤2.3；

步骤2.5、把获得最优搜索位置作为目标函数的最优解，即为相机内参的最优值；

步骤3、将优化后的相机内参值代入OpenCV函数，对待检测图像进行畸变矫正，得到矫正后的图像；具体包括：

将相机的输入矩阵、变换矩阵和畸变参数输入OpenCV中的initUndistortRectifyMap()函数，求解出新的矩阵、未畸变的尺寸和两个输出映射，将两个输出映射输入remap()函数，得到矫正后的图像；所述畸变参数包括优化后的相机内参值；

对于矫正后的图像有三种处理方式：

1)不做处理，直接执行步骤4；

2)对矫正后图像通过双边滤波算法进行图片降噪处理，再执行步骤4；